딥시크 논란, 엔비디아 괜찮을까? 지난주에 국내에서 딥시크의 신규 다운로드가 중단됐지? 이용자 개인정보가 중국 SNS인 틱톡 모회사 ‘바이드트댄스’로 넘어가고 있다는 사실이 알려졌기 때문이었어. 딥시크가 등장으로 엔비디아 주가가 떨어지기도 했지? 그동안 엔비디아가 만드는 고성능 GPU가 대량으로 들어가야만, 챗GPT같은 뛰어난 AI를 만들 수 있다고 생각했단 말야. 그런데 저렴한 비용의 중국산 GPU를 조금 썼는데도 딥시크 R1같은 모델이 나오자 시장의 반응이 ‘헐?’했던 거지. 다들 ‘엔비디아가 만드는 칩이 아니어도 된다는 건가?’라는 생각을 했을 테니까.
딥시크 영향으로 시가총액 증발한 엔비디아
실제로 딥시크의 R1이 공개되자마자 엔비디아의 주가는 하루만에 16.0% 하락했어. 3일 만에 엔비디아 시가총액의 6천억 달러(우리 돈으로 800조 원)이 날아가버렸지. 최근 인터뷰에서 젠슨 황이 딥시크와 엔비디아에 대해서 직접적으로 언급했길래, 관련된 내용을 좀 알아봤어. 모 인터뷰에서 직접 딥시크의 R1이 아주 흥미로운 모델이라고 인정한거지. 다만, R1이 등장하면서 이제 엔비디아가 만드는 고성능 GPU가 더이상 필요없어질 거라고 생각하겠지만, 사실은 아니라고 설명했어. 오히려 AI 산업이 더 흥하는 계기가 만들어졌다는 거지. 시장 자체가 더 커지고 활성화되면서 엔비디아 제품이 꾸준히 필요해질 거라는 전망이야.
젠슨 황이 여유부릴 수 있는 이유 황의 말을 그대로 정리해볼게.
“R1이 나오고 다들 ‘AI는 이제 끝났어’, 했지만 사실은 그 정반대다. 그동안 우리가 생각했던 것보다 훨씬 효율적인 모델을 만들 수 있는 기회가 열린 것이다. AI 시장은 더 확장될 것이고, 모든 산업에 AI 적용이 가속화 될 것으로 보인다. 딥시크의 AI 모델이 큰 발전을 이뤄냈음은 사실이다. 그럼에도 더 깊이 있는 추론 능력에 더 높은 연산 자원(엔비디아가 만드는)이 필요하다.’
젠슨 황의 말이 맞는 걸까?
딥시크 충격 이후 한 달이 흘렀어. 그동안 엔비디아의 주가는 손실을 거의 회복했지. 조만간 4분기 실적 발표가 있을 텐데, 여기서 엔비디아의 자세한 논평이 나올 듯 해. 한편, 딥시크의 등장으로 챗GPT가 수혜를 입었다는 말이 나오고 있어. 딥시크가 이용자들의 정보를 중국 모기업으로 넘긴다는 사실이 알려진 직후 챗GPT 이용량이 더 늘어났거든. 아마 정부 뿐 아니라 공공기관 중심으로 보안 이슈 때문에 딥시크를 사용금지하니까, 챗GPT가 반사 이익을 본 것 같아. 인공지능이라는 주제 자체에 쏠린 사회적 관심이 챗GPT에 대한 수요로 반응한 게 아닐까 짐작해.
[출처] techcruch: Nvidia CEO Jensen Huang says market got it wrong about DeepSeek’s impact SBS: 딥시크 이용 금지 파장?…챗GPT 국내 주간이용자 200만 넘어
외주 받기도 힘들 뿐만 아니라, 외주비도 낮아지고 있는 지금. 이제는 더이상 외주 디자이너는 디자인만 잘 해서는 살아남을 수 없는 상황입니다.
이런 상황 속, 외주 디자이너의 몸값을 올릴 수 있는 완벽한 툴이 있다고 하는데요?
작업 시간은 낮춰주고 수익은 높여주는 툴인 Framer,
강사님을 모시고 Framer를 사용해야 하는 이유와 장점을 여쭤보겠습니다.😊
Q1. 간단하게 강사님 소개 부탁드립니다.
A. 안녕하세요, 저는 21살의 나이에 국내 주요 플랫폼들을 석권하고 6개월 동안 1억 이상, 월평균 천만 원 이상의 수입을 올리게 된 디자이너 STUDIO ASSVOGEL입니다. 현재 저는 스레드에서 3만 명 팔로워를 가진 국내 1위 인플루언서가 되었습니다.
Q2. 강사님께서 Framer를 처음 사용하게 된 계기를 말씀해 주세요.
A. Framer의 가능성에 대해서는 인지를 하고 있었으나, 본격적으로 알아본 것은 제가 퍼블리싱 외주를 받게 되면서입니다. 퍼블리싱을 하다 보니, 불필요하게 시간이 낭비되는 부분이 많았고 무엇보다 디자인 툴을 통해 코딩하는 것과 코딩 툴을 통해 디자인하는 것은 엄청난 퀄리티 차이가 있었습니다. 디자인 툴을 통해 코딩하는 것이 훨씬 멋지고 테스트 결과, 높은 전환율의 웹을 만들어 냈죠. 저는 이에 따라 Framer에 대한 확신을 가지고 젊은 대표님이 하시는 스타트업 의뢰를 Framer로 진행했습니다. 이 의뢰에서만 총 2,000만 원 이상을 벌 수 있었습니다. 단 한 줄의 코드도 제가 만들지 않고 말이죠.
Q3. 외주/프리랜서 디자이너가 Framer를 활용해야 하는 이유는 무엇이라고 생각하시나요?
A. 피그마는 좋습니다. 하지만, 피그마로 만든 디자인은 90%의 경우 개발이 안 됩니다. 개발이 된 10% 중 90%는 인터랙션이 없습니다. 결과적으로 우리가 좋아하는 애플 웹사이트같은 ‘쫀득한’ 웹사이트는 상위 1%가 되는 셈이죠. 하지만, Framer를 쓰면 이 모든 트랙을 한 번에 해결할 수 있습니다. 기획부터 디자인에서 개발까지 한 번에 가능하기 때문입니다. 심지어, 조금의 기술을 접하면 (강의에서 알려드릴) 게시판도 만들고, 문의 폼도 만들고, 회원가입도 만들고, 쇼핑몰도 만들고 다양한 부가 기능까지 제작할 수 있습니다. 이걸 클라이언트에게 설득시킬 수 있다면, 동일한 시간을 가지고 2-3배 높은 수입을 낼 수 있다는 뜻이 됩니다.
그 외에도, 이제는 부업의 시대인 만큼 디자이너도 자신만의 강점을 살린 서브 프로덕트가 있으면 좋습니다. 하지만, 코딩을 할 수 없는 디자이너 특성상 멋진 프로덕트를 출시하기는 어렵죠. 하지만 Framer는 이걸 단번에 해결해서 너무 쉽게 부수입 창출도 도전할 수 있게 만들어줍니다.
Q4. Framer를 활용하여 결과물을 만든 사례를 말씀해 주세요.
A. 제일 처음 Framer로 만든 것은 병원 웹사이트였습니다. 딱 한 장을 디자인하고 300만 원을 받을 수 있었습니다. 심지어 만 오천 원짜리 도메인에 연결하니 잘 작동하는 웹사이트가 되었습니다.
가장 근래에 만든 스타트업 쇼핑몰 웹사이트를 만드는 데에는 5페이지 정도를 제작하고 1500만 원을 받았습니다. 이 안에는 물론 다양한 인터랙션이 들어가 있었지만요. 그런데데, 이 웹사이트는 역시나 기존 코드로 만든 웹과는 달리 엄청나게 구매 전환율이 높아서 해당 대표님은 엄청나게 증가한 이익률을 보며 감사의 말씀을 주셨습니다.
Framer의 경우에는 작업의 양은 조금 줄어들 수 있어도, 같은 작업을 하는 경우에 대비해서 작업 시간은 절반이 되고 작업 단가는 두 배가 되는 마법을 선사하기에, 디자이너에게 있어 필수적인 툴이라고 생각됩니다.
Q5. 패스트 캠퍼스와 강의를 준비하고 계시는데 어떤 내용을 담았고, 어떤 분들께 도움이 되는 강의일까요?
A. 국내에서 이런 내용을 다루는 강의는 없다고 자부합니다. Framer의 기초까지는 인터넷에서 배울 수 있겠지만, 그것도 영어이고 어려울 겁니다. 근데 그건 그저 시작일 뿐입니다. 이번 강의에서는 실제 인터랙션 예제를 같이 만들어볼 건데 이건 포트폴리오의 수준 자체를 아예 높여주고, 프리랜서에게는 단가를 최소 20%는 상승시키는 포인트가 될 겁니다. 그다음에는 실제 웹 예제를 만들어볼 건데, 이 4가지는 주로 사용되는 간단한 웹의 모든 기능을 담았습니다. (쇼핑몰, 매거진, 랜딩페이지, 스크롤 페이지) 이 4가지 항목을 크게 벗어나는 웹사이트는 드물거든요. 이걸 마스터하면 웬만한 웹사이트는 제작할 수 있을 겁니다. 그런데, 거기서 끝나지 않고 저는 이번에 특별판으로 ‘서버와 연동’을 해서 게시판과 가입 기능을 넣어보는 예시도 몰래 넣어 드리려고 합니다. 이걸 알면, 정말 거대한 플랫폼이 아니라면 다 만들 수 있을 것입니다.
마지막으로 저는 저만이 알려드릴 수 있는 무언가를 추가로 준비했습니다. 젊은 나이에 각종 플랫폼을 석권하고 높은 수익을 달성한 제가 알려드리는 [2025년 판 디자이너 수익화]이죠. 이것도 정말 좋은 내용이 되실 겁니다.
어떤 분들께 도움이 되냐고요? 일단 웹에 관심 있는 모든 디자이너와, 부업이나 사업으로 무언가 웹사이트를 제작하고자 하는 모든 1인 사업가들을 위한 강의입니다.
Q6. 강의를 수강하기 위해서는 어느정도의 사전지식이 필요할까요?
A. 툴 사용법부터 알려드릴 것이라 사전지식이 크게 필요하지는 않겠지만, 최소 ‘네비게이션 바’ 같은 것이 무엇인지 아는 등 웹사이트의 구조에 대한 이해가 필요합니다.
Q7. 마지막으로, 예비 수강생분들께 전하고 싶은 한 말씀 자유롭게 부탁 드립니다.
A. 영원한 것은 없습니다. 어도비에서 피그마로 모든 UIUX 디자이너가 넘어갔듯이 말이죠. 누가 알았겠습니까, 어도비 XD가 인기 없어 지원 중단될 것이라는 것을요. 디자이너는 다소 툴에 대한 의존도가 높은 직종입니다. 변화하는 흐름을 놓치지 마세요. 놓친다고 몰락하는 것은 아닐 것입니다. 하지만, 잡으면 기회는 두 배가 될 겁니다. 이것은 제가 장담합니다.
2024 노벨 화학상은 AI 신약개발 혁신을 이끈 AlaphaPhold 팀이 휩쓸었다고 하죠. 노벨상마저 정복한 AI, 신약 개발의 한계를 넘어섰습니다. 구글 딥마인드 AlphaFold 팀은 단백질 구조 예측의 한계를 AI 기술로 돌파하며 생명과학 현실을 가속화시켰고, 인류 의료 발전에 기여한 공로로 노벨상을 수상했죠. 이미 전 세계 190개국에서 200만명 이상의 연구자들이 알파폴드 (AI 기반 단백질 예측 기술)을 활용하고 있습니다.
이제 신약개발도 인공지능이 주도하는 시대! 글로벌 제약사와 연구기관에서 AI 기술을 채택하면서 인공지능을 활용할 수 있는 전문가에 대한 수요도 급증하고 있습니다. 이렇게 바이오, 제약 업계가 ‘인공지능’에 사활을 걸고 있는 이유, 궁금하지 않으신가요? 그래서 오늘은 이에 대한 답을 찾아줄 전문가분을 모셔 인터뷰를 진행 해 보았습니다. AI 신약개발 전 과정을 알려줄 수 있는 전문가 분을 소개합니다.
[Q1] 안녕하세요. 자기소개 부탁드립니다.
안녕하세요, AI 기반 신약개발 전문가입니다. 30년 이상 신약개발 현장에서 신약기술과 AI/ML 기술을 적용해온 경험을 바탕으로, 여러분께 실질적인 AI 신약개발 노하우를 전달하고자 합니다.
[Q2] 바이오 전공자나 제약업계에서 일하고 있는 분들이 신약개발 프로세스에 AI 활용을 더하여 배우는 것이 왜 중요한지 궁금합니다. AI 기술이 어떻게 신약개발에 도움이 되는지, 어떤 점에서 더 효과적인 것일지 궁금합니다.
신약개발 분야에서 AI 기술의 활용은 이제 선택이 아닌 필수가 되었습니다. 전통적인 신약개발 방식은 평균 10-15년의 개발 기간과 수조 원의 비용이 소요되며, 성공률도 매우 낮은 것이 현실입니다. AI 기술은 이러한 한계를 극복할 수 있는 breakthrough를 제공합니다.
예를 들어, 새로운 약물 후보 물질을 발굴하는 과정에서 AI는 수백만 개의 화합물을 빠르게 분석하고 가장 유망한 후보들을 선별할 수 있습니다. 또한 임상 실패의 주요 원인인 부작용을 사전에 예측하고, 신규 타겟을 발굴하는 과정에서도 AI는 데이터 기반의 통찰을 제공함으로써 개발 성공률을 크게 향상시킬 수 있습니다.
[Q3] 인공지능이 꽤 중요한 역할을 하다보니, 완전 초급자의 입장에서는 “AI에 대해서 이렇게까지 깊이 배워야 할까?” 라는 의문이 들 수도 있을텐데요. 이 부분에 대해 구체적인 예시를 들어주실 수 있을까요? 예를 들어, 과거에는 임상에서 스크리닝을 이렇게 했는데, 현재는 AI로 이렇게 바뀌었다 등의 설명을 해주시면 좋을 것 같습니다.
임상시험에서 AI 기술의 활용이 왜 중요한지, 특히 환자군 선별에서의 AI 역할을 구체적으로 설명드리겠습니다.
신약개발에서 임상시험은 가장 비용이 많이 들고 실패 위험이 높은 단계입니다. 특히 적절한 환자군 선정은 임상시험의 성패를 좌우하는 핵심 요소입니다. 예를 들어, 면역치료제 임상시험의 경우 이전에 생물학적 의약품을 투여받지 않은 환자들을 대상으로 진행하는 것이 매우 중요합니다. 이는 이전 치료 이력이 새로운 면역치료제의 효과를 정확히 평가하는 데 영향을 미칠 수 있기 때문입니다.
전통적인 방식에서는 임상시험 대상자 선정을 위해 연구자들이 수작업으로 환자 기록을 검토해야 했습니다. 이는 엄청난 시간과 인력이 소요되는 작업일 뿐만 아니라, 글로벌 임상의 경우 각 지역별 특성을 종합적으로 고려하기가 매우 어려웠습니다.
하지만 AI를 활용하면 이러한 과정을 획기적으로 개선할 수 있습니다. AI는 전 세계의 전자의무기록(EMR) 데이터를 실시간으로 분석하여, 생물학적 제제 투여 이력이 없는 환자 비율이 높은 지역을 신속하게 식별할 수 있습니다. 더 나아가 각 지역의 임상시험 성공률, 규제 환경, 의료 인프라 수준까지 종합적으로 분석하여 최적의 임상시험 사이트를 추천할 수 있습니다.
또한 AI는 단순히 포함/제외 기준을 확인하는 것을 넘어, 환자의 유전적 배경, 생활습관, 동반질환 등 다양한 요인을 분석하여 약물 반응성이 높을 것으로 예상되는 환자군을 예측할 수 있습니다. 이는 임상시험의 성공 가능성을 높이는 데 크게 기여합니다.
이처럼 AI는 임상시험 설계와 수행의 모든 단계에서 중요한 역할을 하며, 이는 단순한 업무 자동화를 넘어 임상시험의 성공률을 높이고 개발 기간을 단축하는 핵심 요소가 되고 있습니다.
[Q4] 위의 질문들에 대한 내용을 기반으로, 이번에 패스트캠퍼스에서 강의를 출시하셨다고 들었는데요. 해당 강의에 대해서 말씀 해 주실 수 있을까요?
이번에 패스트캠퍼스에서 출시하게 된 강의는 ‘노벨상으로 주목받는 AI신약개발 프로세스’ 라는 강의입니다. 본 강의를 통해 최신 AI 기술이 어떻게 신약개발 과정을 혁신하고 있는지 이해하고, 실제 프로젝트에 적용할 수 있는 실무 역량을 키우실 수 있습니다.
[Q5] 이 강의를 추천하는 대상이 있으실까요?
제약/바이오 분야 연구원 및 실무자, 신약개발 프로세스에 관심 있는 데이터 사이언티스트, AI/ML을 신약개발에 적용하고자 하는 전공자/실무자, 계산화학/생물정보학 분야 종사자 대상으로 추천합니다.
오늘 AI 기반 신약개발 전문가님을 모셔서 이야기를 나눠봤는데요. 이번 강의가 궁금하다면, 아래 링크를 클릭해 주세요!
LLM 다룰 때 혹시 이런 고민들 있으셨나요? ‘랭체인, 조금만 깊이 들어가면 에러가 너무 많이 나요.’ ‘RAG 커스터마이징에 제한사항이 많아요.’ ‘AI agent 만들 때 제일 좋은 도구가 뭘까요?’ 그렇다면 LangGraph는 어떨까요? 이 고민들을 해결하는 차원이 다른 라이브러리, LangGraph를 추천합니다.
LangGraph 사용률을 확인한 결과, LangGraph의 도입 비율이 2024년 1월 7%에서 연말에 44%로 증가했다고 해요. 그리고, 확장성이 기존 프레임워크들에 비해 월등히 좋아서 시장을 선점했던 Crew AI, AutoGen을 제치고 빠르게 성장 중이라고 하는데요. 또한 주요 IT 대기업 프로덕션에도 실제 도입중이라고 해요.
*출처: LangChain State of AI 2024 Report, 구글 트렌드 검색어 순위 변화 (전세계, 24년 1월~25년 1월)
도대체 이 랭그래프가 뭐길래? LLM 개발 전문가와 함께 이야기를 나눠보았습니다.
[Q1] 안녕하세요. 자기소개 부탁드립니다.
안녕하세요. LLM 개발자와 강사로 활동하고 있는 노토랩 대표 변형호입니다!
저는 2023년 서울대 컴퓨터공학부 박사를 졸업하고, 다양한 기업과 연구소를 대상으로 LLM과 AI에 대한 개발 자문과 교육을 진행하고 있습니다. 지금까지 다양한 플랫폼에서 1,500 명 이상의 오프라인 수강생을 대상으로 LLM과 LangChain 강의를 진행했는데요.
2025년의 LLM 키워드는 에이전트입니다. 이제 LLM은 단순 텍스트를 생성하는 것을 넘어서, 구조화된 출력을 통해 다양한 모듈과 호환되고, 툴(Tool)과 같은 외부 기능과 소통하여 복잡한 기능을 해결하는 방향으로 발전하고 있습니다. 이 때, LangGraph는 LLM 에이전트를 개발하기 위한 최적의 라이브러리입니다. LangChain이 단순히 LLM 어플리케이션의 Input/Output을 구현하는 과정이라면, LangGraph는 이를 조합하여 보다 복잡하고 고도화된 흐름의 에이전트 어플리케이션을 구현합니다.
에이전트 어플리케이션은 기존의 RAG(검색 증강 생성)의 효율도 혁신적으로 개선합니다. 기존의 일방적인 검색- 프롬프트 작성- LLM 생성의 흐름을 넘어서, 메모리/품질 평가와 같은 다양한 모듈을 연결할 수 있습니다.
[Q2] 그렇다면 학습 기술인 LangGraph의 특징, 랭그래프의 발전 가능성과 장점을 알려주실 수 있을까요?
LangGraph는 복잡한 워크플로우를 갖는 LLM 어플리케이션을 매우 쉽게 개발하게 해 주는 라이브러리입니다.
그래프와 상태 구조를 통해 LLM 어플리케이션의 구조를 설정하고, 메모리, 툴과 같은 랭체인 모듈과의 호환을 통해 에이전트를 효율적으로 구현할 수 있습니다.
완전히 새로운 기능을 구현하는 것은 아니지만, 다양한 흐름과 분기점을 그래프를 통해 구성하는 높은 수준의 Abstraction을 지원합니다.
단순한 언어 모델로서의 LLM이 아닌, 복잡한 작업을 판단하고 처리하는 컨트롤 타워로서의 에이전트는 LLM의 활용 폭을 혁신적으로 증대시킬 수 있습니다.
[Q3] 이번에는 LangGraph를 배우면서 많은 분들이 궁금해하는 점들에 대해서 여쭤볼게요.
1. LangGraph 는 너무 어려워 보이는데, 꼭 배워야 하나요?
LangGraph의 가장 중요한 요소인 그래프와 상태의 구조는 조금 복잡한데요. 이번에 패스트캠퍼스에서 강의를 오픈하게 되었는데, 본 강의에서는 LangGraph의 핵심 개념들을 가장 간단한 단위부터 복잡한 구조체까지, 실습과 함께 차근차근 설명드립니다.
2. LangGraph를 언제 써야 하는지 잘 모르겠어요.
본 강의에서는 5개 이상의 다양한 현업 적용 프로젝트를 통해, LangGraph가 어떻게 효과적으로 쓰일 수 있는지에 대해 알아봅니다.
3. LLM 프로그래밍과 LangChain을 모르는데, LangGraph를 바로 배워도 되나요?
처음 입문하시는 분을 위한 LLM API와 LangChain, RAG에 대한 총체적인 복습 강의도 함께 준비했습니다!
[Q4] 위에 랭채인에 대해서 언급 해 주셨는데, 랭채인을 활용할 때 문제점이 되었던 3가지와 랭그래프를 활용하면 해결할 수 있는 점에 대해서 말씀 해 주실 수 있을까요?
1. LangChain만 사용하더라도, RAG와 Agent의 기본적인 기능들은 구현할 수 있습니다. 그러나, 이는 단순한 기능을 구현하기에는 문제가 없었지만, 다양한 분기점이나 모듈이 연결되는 경우 그 구현이 복잡해지는 문제가 있었는데요. LangGraph는 그래프 구조를 통해 이를 보다 최적화된 흐름으로 설계하고, 개발자가 원하는 흐름으로 LLM 어플리케이션의 작동 과정을 구현할 수 있습니다.
2. 특히, LangChain에도 에이전트가 구현되어 있었지만, 중간 개입이 어렵고 실행이 불안정하다는 아쉬운 점들이 많았습니다. LangGraph는 Human-in-the-Loop을 비롯하여, 복잡한 에이전트의 흐름과 중간 과정을 저장하고, 모니터링할 수 있습니다.
3. 또한, 대화 내역을 저장하는 메모리(Memory)에 있어서도, LangChain의 메모리 구현보다 LangGraph는 더욱 효율적이고 효과적인 구현을 지원합니다.
[Q5] 그렇다면 위에서 말씀 주신 강의가 다른 강의에서 찾을 수 없는, 수강생들이 얻어갈 수 있는 점은 무엇이라고 생각하실까요?
1. LangGraph 완벽 이해 : LangGraph의 원리와 활용, LangGraph가 쓰이는 대표적인 현업 활용 use case 6가지를 확인할 수 있습니다.
2. LLM 관련 전문 강사 변형호가 친절하게 설명하는 LangGraph의 원리와 활용, 실습 프로젝트를 다룹니다.
3. LangGraph의 쓰임새인 RAG와 Agent를 다양한 예시로 정복 가능합니다.
[Q6] 마지막으로, 수강생분들이 이번 강의를 수강한다면 어느 정도의 성장을 기대하시나요?
1. LLM을 이용한 문제 해결 능력 함양
2. LangGraph의 핵심 개념(그래프, 상태 관리)에 대한 깊이 있는 이해
3. 6가지 실전 프로젝트를 통한 실무 구현 능력 확보
4. 다양한 분기점과 모듈이 연결되는 시스템의 효율적 설계 능력 학습
5. RAG, Agent 시스템의 고도화를 통한 현업 적용 방향 인사이트
6. LLM 기술 트렌드 이해 및 적용 능력
랭그래프로 한번에 완성하는 복잡한 RAQ와 Agent 강의를 듣고 위와 같이 성장 하고 싶은 분들은 아래 링크를 확인 해 주세요.
대용량 트래픽을 효율적으로 처리하는 것은 많은 백엔드 개발자들에게 중요한 과제입니다. 특히, 카카오톡과 같은 대형 채팅 플랫폼에서는 하루에도 수십억 건의 메시지가 오가며, 이를 원활하게 처리하지 못하면 심각한 장애가 발생할 수 있습니다. 이번 글에서는 카카오 출신 수석 백엔드 개발자가 직접 전하는 대용량 트래픽 처리법을 소개합니다.
카카오톡과 같은 대형 채팅 플랫폼에서는 초당 수백만 건의 요청이 발생합니다. 이러한 요청을 적절히 분산 처리하지 못하면 다음과 같은 문제가 발생할 수 있습니다.
✔️ 서비스 응답 지연: 메시지 전송이 늦어지고, 사용자 경험이 저하됩니다. ✔️ 서버 과부하: 특정 서버에 과부하가 집중되면 전체 서비스가 다운될 위험이 있습니다. ✔️ 데이터 유실: 대용량 트래픽 폭주로 인해 일부 데이터가 유실될 가능성이 있습니다. ✔️ 운영 비용 증가: 비효율적인 트래픽 처리는 불필요한 리소스 사용을 초래합니다.
이러한 문제를 방지하기 위해 백엔드 개발자들은 다양한 기술과 전략을 적용하고 있습니다.
상황별 대용량 트래픽 처리법
Case1. 성능 개선 작업
▶ 데이터베이스 부하 분산 및 성능 향상을 위한 리플리카 활용
데이터베이스가 하나만 존재하면 모든 요청이 한 곳으로 집중되면서 부하가 커집니다. 이를 해결하기 위해 읽기 전용 복제본 을 활용하여 주요 쿼리를 분산하면 성능이 대폭 향상됩니다.
▶ 데이터 저장소 확장성 및 안정성 확보를 위한 샤딩 기법 활용
데이터가 한 서버에 집중되지 않도록 여러 서버에 분산 저장하면, 대용량 트래픽이 특정 지점에 몰리는 문제를 방지할 수 있습니다.
▶ 세션 유지와 DB 캐싱을 위한 Redis 활용
대용량 트래픽 쏠림 발생 시 캐싱 레이어를 추가하여 조회 빈도가 높은 데이터를 따로 처리함으로써 상대적으로 느린 DB 속도를 보완합니다.
▶ 데이터 정합성 보장을 위한 메시지 시퀀스 넘버 생성
네트워크 이슈 등으로 인한 메시지 누락 및 순서 보정 문제를 방지하기 위해 Redis의 빠른 속도를 활용합니다. 백엔드 개발자는 채팅 플랫폼에서 메시지 순서를 유지하는 데 이를 활용합니다.
▶ Redis 클러스터 구성
Redis Cluster는 샤딩과 유사한 개념으로, 여러 노드에 데이터를 자동으로 분산 저장합니다. 일부 노드가 실패하거나 통신이 단절되더라도 지속적으로 운영될 수 있는 높은 가용성을 제공합니다.
Case2. 부하 분산 작업
▶ 비동기 처리 및 대량 데이터 효율적 분산을 위한 카프카 도입
동시 다발적인 요청을 즉시 처리하려고 하면 서버에 부하가 집중됩니다. 이를 해결하기 위해 비동기 메시지 큐를 활용하여 대용량 트래픽을 분산 처리하면 더욱 안정적인 운영이 가능합니다.
▶ 트래픽 최적화를 위한 Nginx 기반 부하 분산
클라이언트의 요청을 직접 서버로 보내는 것이 아니라, Nginx와 같은 로드 밸런서 를 활용하여 여러 서버로 트래픽을 분배하면 특정 서버의 과부하를 방지할 수 있습니다.
Case3. 장애 대응 전략
▶ 책임 분리로 진행하는 모놀리틱 서비스 분해와 Nginx 연동
채팅 플랫폼에서 채팅방 개설, 사용자 간 친구 추가 등의 서비스에 시스템의 부하를 효율적으로 분산하기 위해 Nginx를 앞단에 두고 확장성을 확보합니다.
▶ SPOF 제거를 위한 Nginx 다중 인스턴스와 서비스 디스커버리 연동
SPOF를 제거하기 위해 LB역할을 하던 Nginx까지도 다중 인스턴스로 구성하여 고가용성을 증대시킵니다. 채팅 플랫폼에서 서비스 안정성을 보장하기 위해 백엔드 개발자가 반드시 고려해야 하는 요소입니다.
AI가 다양한 분야에서 활용되면서 연구 및 논문 작성에서도 AI의 도움을 받을 수 있는 기회가 많아졌습니다. 연구 과정은 방대한 자료 수집부터 데이터 분석, 논문 작성까지 많은 시간을 요구하는데, 적절한 툴을 활용하면 효율성을 극대화할 수 있습니다. 논문 작성을 위한 최신 AI 툴들은 반복적인 작업을 줄여주고, 연구자가 본질적인 탐구와 분석에 집중할 수 있도록 도와줍니다.
특히, 대학원생들은 연구와 학업을 병행해야 하는 만큼 시간 관리가 필수적입니다. 방대한 논문을 읽고 분석하며, 이를 바탕으로 새로운 연구를 수행하는 과정은 많은 노력이 필요합니다. 하지만 적절한 AI 툴을 활용하면 이 과정을 보다 효율적으로 진행할 수 있습니다. 따라서 대학원 생활에서 연구와 논문 작성을 도와줄 가장 유용한 툴 18가지를 소개합니다. 이 툴들은 논문 검색, 인용 관리, 논문 작성, 데이터 분석 등 다양한 측면에서 연구자의 생산성을 높이는 데 큰 도움이 됩니다.
연구 및 자료 수집을 위한 툴
1. Obsidian – 옵시디언은 강력한 노트 정리 툴로, 연구 기록을 체계적으로 관리할 수 있습니다. 마인드맵 형태로 연구 주제 간의 연관성을 한눈에 볼 수 있어 논문 초안을 작성하는 과정에서도 유용합니다. 또한, 옵시디언은 논문 AI 툴 중에서도 특히 연구 흐름을 정리하는 데 효과적입니다.
2. Perplexity – AI 기반 검색 엔진으로, 논문과 관련된 정보를 정확하고 빠르게 찾을 수 있습니다. 기존의 검색 엔진과 달리 AI가 요점을 정리해주므로 원하는 정보를 더 빠르게 습득할 수 있습니다.
3. Zotero AI – AI 기반으로 논문을 자동 정리하고, 인용 관리를 효율적으로 도와줍니다. 연구자가 논문을 정리하고 참고문헌을 쉽게 정리할 수 있어 필수적인 툴입니다. 논문 작성 시 필수적인 기능을 제공합니다.
4. Cursor AI – AI 기반 코드 에디터로, 연구 데이터를 분석하거나 코딩을 병행하는 연구자들에게 유용합니다. 특히 데이터 과학 및 머신러닝 연구자들에게 필수적인 툴입니다.
5. Markdown – 논문 작성을 위한 가벼운 마크다운 언어로, 연구 내용을 깔끔하게 정리할 수 있습니다. 간결한 문법을 사용하여 논문 초안을 빠르게 작성하는 데 적합합니다.
6. LaTeX – 수식과 논문 작성을 위한 필수적인 문서 작성 도구입니다. 특히 수학, 공학, 물리학 연구자들에게 필수적인 툴입니다. 논문 AI 툴과 함께 사용하면 더욱 효과적입니다.
7. Figma – 연구 관련 그래픽 및 다이어그램을 제작할 수 있는 디자인 툴입니다. 논문의 시각적 요소를 강조하는 데 도움이 됩니다.
8. Research Rabbit – 논문과 연구 흐름을 시각화하여, 연구 주제 간 연결을 쉽게 파악할 수 있습니다. 관련 논문을 탐색하는 데 유용한 도구입니다.
9. Mathpix – 수식을 캡처하여 LaTeX 코드로 변환하는 강력한 AI 기반 도구입니다. 수학과 과학 논문을 작성하는 연구자들에게 필수적인 기능을 제공합니다.
10. Google Scholar – 학술 논문 검색을 위한 필수 툴로, 전 세계 논문을 빠르게 검색할 수 있습니다. 논문을 찾고 연구 흐름을 파악하는 데 유용합니다.
11. Paperswithcode – 논문과 함께 관련 코드도 제공하여, 최신 연구를 실습하며 배울 수 있습니다. AI 및 컴퓨터 과학 연구자들에게 필수적인 도구입니다.
12. Bio Render – 생물학 및 의학 연구자를 위한 과학적 일러스트 제작 툴입니다. 논문의 시각적 자료를 보다 전문적으로 구성할 수 있습니다.
13. Genspark – AI 기반의 연구 보조 도구로, 논문의 핵심 내용을 요약하고 정리하는 데 유용합니다. 논문의 핵심 내용을 빠르게 파악할 수 있습니다.
14. SciSpace – 논문의 내용을 AI가 요약하고, 어려운 개념을 쉽게 설명해주는 플랫폼입니다. 논문을 보다 쉽게 이해할 수 있도록 도와줍니다.
15. Clovanote – AI 음성 인식 및 필기 기능을 활용하여 연구 회의나 아이디어를 정리하는 데 도움을 줍니다. 연구 아이디어를 기록하는 데 유용합니다.
16. Github – 연구 코드 및 프로젝트 관리를 위한 필수 플랫폼으로, 협업 및 버전 관리에 유용합니다. 오픈소스 연구 프로젝트에 필수적인 도구입니다.
17. Aithor – AI 기반 글쓰기 도구로, 논문 초안 작성 및 문장 다듬기에 효과적입니다. 논문의 문장을 보다 자연스럽게 정리할 수 있습니다.
18. Sioyek – 연구 논문을 효과적으로 탐색하고 읽을 수 있도록 도와주는 PDF 리더입니다. 논문을 보다 효율적으로 관리할 수 있습니다.
연구 과정에서 효율성을 높이기 위해 다양한 AI 및 논문 작성 툴을 활용하는 것이 필수적인 시대가 되었습니다. 논문 AI 도구를 적절히 활용하면 논문 작성 시간이 단축될 뿐만 아니라, 연구의 질도 향상됩니다. 하지만 연구에 집중하기도 바쁜데, 이렇게 많은 툴을 언제 배워서 활용할 수 있을까요?
이를 위해, 오직 논문 작성을 위해 설계된 5시간 만에 핵심 기능을 익힐 수 있는 실전 강의를 준비했습니다. 위에서 소개한 연구에 필요한 AI 툴을 효과적으로 활용하는 방법을 빠르게 익히고, 논문 작성 시간을 획기적으로 단축해 보세요!
영상 만들기, 예전에는 누구나 프리미어 프로 영상편집 프로그램으로 어렵게 접근을 해야 했다면 요즘은 폰으로도 쉽게 만들고 있는 경우가 많습니다. 바로 캡컷이라는 ai 영상편집 프로그램인데요. 요즘 유튜브나 릴스에 트렌디하고 간지나는 효과 따라하기 등으로 아주 인기가 많은 아이입니다.
왕초보도 쉽게 웬만한 몇백만뷰 이상이 나오는 효과와 일상에서 녹일 수 있는 브이로그, 릴스, 틱톡 모두 왕초보도 쉽게 따라할 수 있기 때문이죠.
하지만 콘텐츠 생산자가 된다면, 모든 영상에는 반드시 기획이 필요합니다. 이것만 지켜져도 내 영상은 성공인 셈이죠. 그래서, 오늘 소개해드릴 분은 ‘캡컷’의 모든 것을 활용하고 적용하시는 영상 감독님이십니다. 단순히 유튜브 보고 마우스만 따라가는 방식이 아닌, 진짜 내 영상에 적용할 수 있는 실용적인 결과물을 만들어내며 영상 초보자에게 많은 인기를 끌고 계시는데요!
초대형 엔터 아이돌 MV부터 넷000, 쿠0, 디00 다수 참여하신,
캡컷의 모든 기능을 가장 쉽게 알려주실 거트루드 강사님을 소개합니다!
Q1. 안녕하세요 강사님! 자기소개 부탁드립니다.
안녕하세요 편집교육계정 “거트루드”를 운영하고 있는 박태현입니다.
7년 간 프리랜서로 영상제작을 해왔고, 2년간 VFX 회사에서 일을 했었습니다.
교육 쪽으로는 온라인과 오프라인에서 캡컷pc, 프리미어 프로 영상편집 프로그램 등 영상 편집 강의를 하고 있고 유튜브나 인스타그램을 운영하시는 분들은 계정과 영상 컨설팅을 해드리고 있습니다.
Q2. 캡컷으로 영상을 만드는 강사님 만이 가지는 차별화 포인트가 따로 있을까요?
편집 프로그램은 도구에 불과해요 저는 실무에서 프리미어 프로, 다빈치리졸브까지 사용을 해봤고 지금도 쓰고 있죠.
전문가들이 영상을 만든다면, 프로그램마다 차이는 있지만, 일반인 분들이 쓰시기에는 큰 차이가 없습니다. 프로그램의 특징보다 영상의 기획과 구성, 창의력이 훨씬 중요합니다. 그래서 저는 단순히 도구의 사용법을 알려드리지 않아요. 어떻게 해야 좋은 영상과 편집이 나오는지에 포인트를 두었습니다.
가장 큰 건 캡컷은 무료이고, 컴퓨터 사양이 낮아도 작동한다는 점입니다.
그리고 캡컷은 화면전환, 편집효과, 자막템플릿, 효과음 등 기본적으로 내장되어 있는 소스들이 엄청 많습니다. 반면, 프리미어 프로같은 영상편집 프로그램은 각종 사이트에서 효과음과 템플릿을 구해오거나 직접 만들어야 합니다. 그래서 영상을 처음 시작하시는 분들은 캡컷을 쓰면 쉽고 빠르게 퀄리티 있는 영상을 만들 수 있습니다. 그리고 프리미어 프로 영상편집 프로그램에는 없는 얼굴, 몸, 목소리까지 보정할 수 있는 AI 기능이 있습니다. 패스트캠퍼스에선 캡컷pc로 알려드릴 예정입니다.
Q3. 캡컷PC를 활용해 릴스&숏츠 영상을 만들게 되면 어떤 효과 범위까지 가능할까요? (모바일 포함)
캡컷은 숏폼 플랫폼인 틱톡을 만든 회사에서 제작되었습니다.
그래서 다른 프로그램보다 숏폼영상제작에 특화되어 있죠.
자동자막 효과부터, AI보정이 있고, 템플릿을 활용해 10초 만에 챌린지영상을 만들 수도 있죠.
이 강의는 형식적인 튜토리얼이 아닙니다. 제가 실무에서 편집하면서 얻어낸 노하우와 스킬들을 최대한 녹여냈습니다. 그래서 신기하지만 실제로 쓸 일 없는 기술보다는, 실용적인 편집을 배우실 수 있습니다.
Q4. 이번 패스트 캠퍼스와 강의를 준비하고 계시는데 어떤 내용을 담았고, 어떤 분들께 도움이 되는 강의일까요?
제 수강생 분들 중에는 VLLO 강의도 듣고, 프리미어 프로 강의도 들었는데, 또 캡컷 강의를 듣는 분들이 계십니다. 사실 저는 캡컷을 접한 지 1년도 안 됐습니다. 캡컷 관련된 강의를 본 적도 없고요.
그럼에도 불구하고 제가 캡컷 PC 교육까지 할 수 있었던 이유는 편집의 원리를 알고 있기 때문입니다.
단순히 제 마우스 커서만 따라다니는 것이 아닌, 여러분 영상에 적용하실 수 있도록 ‘이유’를 알려드릴 겁니다. 여러분이 이 강의에서 캡컷으로 편집을 배우겠지만, 다른 프로그램으로 넘어가시더라도 충분히 활용하실 수 있을 겁니다.
겁먹지 않았으면 좋겠습니다. ‘내가 컴맹인데 괜찮을까’, ‘내 나이가 40이 넘었는데 할 수 있을까’, ‘강의를 여러 번 들어도 소용없었는데, 할 수 있을까’. 제가 프리미어프로 영상편집 프로그램 강의를 하다가 캡컷PC 강의를 하게 된 이유도 여기에 있습니다. 누구나 쉽게 전문가만큼의 퀄리티를 낼 수 있다는 것을 보여주고 싶었습니다. 질의응답할 수 있는 커뮤니티도 있으니까, 하다가 막히면 제가 친절하게 알려드리겠습니다. 시작이 반이 아닙니다. 시작이 90입니다.
* 릴스, 브이로그, 유튜브 당장 시작하실 분들,
* 프리미어 영상편집 프로그램은 어렵고, 숏폼 제작을 어디서부터 시작해야 할지 모르겠는 분들
일반화를 할 순 없지만 ai를 활용해 코딩을 하는 많은 개발자분들은 Claude에서 코드를 요청하고, 생성된 코드를 복사한 후에 Replit에서 복사 및 실행하는 과정을 반복하면서 코드를 작성해오고 있는데요. 이런 식으로 두 가지 ai 툴을 왔다갔다 반복하는 상황은 꽤나 번거롭기도 하고 코드의 맥락에서 벗어나는 경우도 많아 사용자 입장에서는 아쉬움이 컸답니다.
그런데, 이 과정을 대폭 간소화 시켜줄 수 있는 AI 코드 편집기 툴이 새롭게 등장했는데요. 바로 Cursor ai입니다. Cursor ai가 어떤 코드 편집기인지 궁금하시다구요? Cursor ai는 현업 개발자들이 가장 많이 선택한 ai 개발 도구로, 3조 이상의 투자 제안을 받아 큰 주목을 받고 있는데요.
자연어로 코드를 작성하고 수정하며, 실시간으로 아이디어를 구현할 수 있다는 대표적인 장점과 더불어 프로젝트 구조와 코딩 스타일을 이해해 맞춤형 코드를 제안해 주기도 한답니다.
| Cursor ai vs. Chatgpt
그렇다면, 우리에게 친숙한 Chatgpt와 Cursor ai를 비교하지 않을 수가 없는데요. Chatgpt의 경우, 대화형 도구로서 참고용 코드 제공에 그치는 것과 달리 Cursor ai는 대화로 코드와 아이디어를 실현할 수 있다는 강점을 갖추고 있답니다. 그렇다면 조금 더 자세하게 두 가지 ai툴을 비교해 볼까요?
<Chatgpt의 특징>
코드 분석 불가, 입력만 이해하는 정적 대화 모델
통합 개발 환경(IDE)불가, 한 곳에서 작업을 할 수 없어 생성된 코드를 수동으로 복사
개발 최적화 도구가 아님 (더 명확한 입력 필요)
코드 실행 불가 (별도의 개발용 도구 사용 필요)
<Cursor ai의 특징>
작성된 코드를 분석해 신규 기능 추가 및 오류 수정
전체 코드 저장소(코드베이스)를 분석하고 적절한 솔루션 제공
오류 수정, 명령어 생성 등 개발 최적화 기능 제공
코드 작성~실행까지 한 번에 가능한 올인원 개발 도구
| Cursor ai를 통해 구현 가능한 서비스 소개
이렇듯 Cursor ai라는 코드 편집기만 잘 활용해도 코딩이 훨씬 더 쉬워질 수 있는데요. 뿐만 아니라 Cursor ai라는 코드 편집기만 잘 배워두면 우리가 일상 생활 속에서 흔히 사용하는 SNS, OTT 서비스, 기업용 챗봇과 같은 서비스를 직접 구현하는 것이 절대 어렵지 않답니다.
<SNS>
<OTT 서비스>
<기업용 챗봇 서비스>
이 모든 서비스, 혹시나 개발을 전공하지 않아서 혹은 개발 관련 지식이 없어서 감히 시도하는 것이 망설여 지시나요? 그런 여러분들을 위해 내가 한 번쯤 만들어 보고 싶었던 서비스를 구현하기 위한 환경 설정부터, 필수 개념까지 개발에 필요한 지식을 찍먹할 수 있는 개발 컨닝 페이퍼도 제공해 드릴 예정인데요. 개발 컨닝 페이퍼의 경우, 믿고 듣는 토스 출신의 풀스택 개발자분이 직접 제작하였으니 믿고 사용해 주셔도 좋습니다.
코드 편집기의 혁명인 Cursor ai를 제대로 경험하고 싶으신 분들이라면 지금 바로 놓치지 말고 이 강의를 통해 만나보세요!
미드저니는 AI 이미지 생성 도구로 접근성이 뛰어나지만, 원하는 결과물을 얻기 위해 운에 의존해야 하는 경우가 많습니다. 우연히 멋진 이미지를 생성하더라도 그것이 일회성에 그친다는 한계가 있죠.
그러나 이 한계를 극복하며, 자신만의 스타일을 일관되게 구축해 AI 아트웍을 만드는 아티스트가 있습니다. 지금 만나볼 AI 아티스느는 미드저니의 랜덤성을 창의적으로 활용하며 독창적인 결과물을 만들어내며 놀라운 성과를 보여주고 계신데요! 패스트캠퍼스와 벌써 2번째 강의를 만드신 GSFT 김지현 강사님을 소개합니다!
Q1. 안녕하세요 강사님! 자기소개 부탁드립니다.
안녕하세요, AI 아티스트로 활동하고 있는 김지현입니다
저는 브랜딩 스튜디오에서 근무하며 사이드 프로젝트로 시작한 AI 아트웍 작업을
통해 다양한 기회를 만나게 되었고, 이를 계기로 AI 비주얼 프로덕션 그룹 GSFT를 공동 창업하게 되었습니다.
호기심으로 시작된 생성 AI를 활용한 이미지 제작은 뷰티, 패션, 매거진 브랜드와 협업할 기회를 열어주었고, 앞으로 AI 이미지가 실무에 활용될 무한한 가능성을 체험하고 있습니다.
이번 강의에서는 저를 여러 기회로 이끌어 준 저만의 AI 활용법을 공유하며,
AI 창작 과정에서 실질적인 인사이트와 노하우를 나누고자 합니다.
여러분에게도 새로운 가능성과 영감을 드릴 수 있는 시간이 되기를 바랍니다.(웃음)
Q2. 유슈의 글로벌 브랜드와 AI 프로젝트로 협업할 수 있었던 지현님만의 비결이 따로 있으신가요?
기존 AI 작업 스타일과 차별화된 저만의 스타일을 개발한 것이 가장 큰 이유라고 생각합니다. 미드저니 등 AI 창작 도구가 대중화되면서 많은 작업들이 비슷한 결과물을 보여주는 경우가 많은데, 저는 작업 초기부터 제 작업만의 고유한 아이덴티티를 확립하는 데 집중했습니다. 이를 위해 AI 도구를 단순히 사용하기보다는, 창작 과정에서 스토리를 담으려 노력했죠. 이러한 차별화된 접근법이 여러 사람들에게 주목받을 수 있는 계기가 되었고, 유수 글로벌 브랜드와의 협업 기회를 만들어 준 원동력이 되었다고 생각합니다.
동시에, 협업을 위한 유연함도 굉장히 중요하다고 느낍니다. 너무 강렬하거나 고집스러운 스타일을 추구하면 다른 브랜드와의 시너지를 방해할 수 있기 때문에, 제 스타일을 유지하되 브랜드의 정체성과 목표에 자연스럽게 녹아들 수 있는 여지를 항상 열어두려고 노력합니다. 이를 위해 브랜드와의 소통을 통해 각 프로젝트의 방향성을 명확히 하고, 제 작업이 브랜드의 스토리와 자연스럽게 어우러질 수 있도록 적절한 조율을 합니다. 결국, 독창성과 유연함의 균형을 유지하는 것이 글로벌 브랜드와의 성공적인 협업을 가능하게 한 핵심 비결이라고 생각합니다.
Q3. AI 아트웍 작업시 지현님만의 특장점이 있다면?
AI 아트웍 작업에서 저만의 가장 큰 특장점은 단순히 도구를 사용하는 데 그치지 않고, 명확한 스토리를 기반으로 스타일을 만들어 프로젝트를 기획하고 제작한다는 점입니다. 제 작업은 항상 프로젝트의 본질과 목적을 고려하며, 클라이언트의 요구와 저만의 창작 철학을 조화롭게 녹여내는 데 중점을 둡니다. 이러한 과정은 단순히 AI로 이미지를 생성하는 것을 넘어, 결과물에 스토리와 가치를 더하는 작업 방식으로 이어집니다.
이번 강의에서는 6가지 프로젝트 사례를 통해 제가 실질적으로 작업하는 방식을 단계별로 공유합니다. 프로젝트 기획부터 실질적인 제작 과정까지, 저의 작업 워크플로우를 그대로 공개하여, 저만의 AI 아트웍 작업의 특징과 접근 방식을 깊이 있게 공유합니다. 특히, 강의에서는 미드저니 등 제가 작업 과정에서 중점적으로 사용하는 스타일 개발 방법과 이를 구현하기 위해 어떤 노력을 기울이는지에 대해 구체적으로 설명합니다. 이를 통해 수강생들은 자신만의 창작 방향을 설정하고, 실무에서 바로 활용할 수 있는 창작 프로세스를 체계적으로 배울 수 있습니다.
Q4. 이번 패스트 캠퍼스와 강의를 준비하고 계시는데 어떤 내용을 담았고, 어떤 분들께 도움이 되는 강의일까요?
이번 강의에서는 자신만의 스타일을 개발할 수 있도록 미드저니 스타일 레퍼런스 코드 1000개를 공유합니다. 이 스타일 레퍼런스 코드들은 다양한 창작 아이디어를 발견할 수 있는 강력한 도구로, 이를 활용해 독창적인 스타일을 만들어가는 방법과 실질적인 팁을 나누고자 합니다.
단순히 미드저니 AI툴의 사용법을 익히는 데 그치지 않고, 이를 통해 개인의 창작 정체성을 정립하고 실무에 적용하는 구체적인 방향을 제시합니다. 강의 내용은 창작 과정에서 새로운 아이디어를 탐색하거나, 클라이언트의 요구에 맞는 스타일을 개발하는 데 유용하게 활용될 수 있습니다. 또한, 자신만의 시그니처 스타일을 정립함으로써 브랜드와의 협업에서 차별화된 가치를 창출할 수 있는 기반이 될 것으로 예상됩니다.
이번 강의는 생성형 AI에 처음 입문하는 초급자와 이미 경험이 있는 중급자 모두에게 추천할 수 있습니다.
초급자
생성형 AI가 처음인 초급자에게는 기본적인 툴 활용법부터 자신만의 창작 방향성을 설정하는 방법까지 단계적으로 안내하는 강의가 될 것입니다. AI 툴 사용법을 빠르게 익히고 자신만의 스타일을 구축하는 첫걸음을 제공하며, AI를 단순히 사용하는 법을 넘어 창작 과정에 자연스럽게 통합하는 방법을 배울 수 있습니다. 이를 통해 자신만의 독창적인 창작 여정을 시작할 수 있도록 돕는 강의가 될 것입니다.
중급자
생성형 AI에 이미 경험이 있는 중급자에게는, 자신의 창작 프로세스를 한 단계 더 발전시키고, 실무에서 적용할 수 있는 전략을 제공하는 강의로 추천합니다. 기본적인 내용을 넘어서 독창적인 스타일 구축, 실무 적용법 등에 초점을 맞춥니다. 특히, 자신의 스타일을 유연하게 조정하는 방법, 다양한 창작 전략 등 실질적인 노하우를 얻을 수 있습니다.
젠슨 황이 여유부릴 수 있는 이유
젠슨 황이 여유부릴 수 있는 이유
